一种基于三维GIS的实时滑坡预测预警系统

技术领域

本发明属于地质灾害预防技术领域，尤其涉及一种基于三维GIS的实时滑坡预测预警系统。

背景技术

滑坡是指斜坡上的土体或岩体，受河流冲刷、地下水活动、地震及人工切坡等影响，在重力的作用下，沿着一定的软弱面或软弱带，整体地或分散地顺坡向下滑动的现象。我国地质灾害的发生情况极为严重，其中，滑坡灾害是除地震灾害以外，排名第二大的地质灾害活动，每年造成了多达几十亿元的经济损失，导致了上千人的死伤。

滑坡监测有助于快速且清晰了解滑坡体的基本特征信息，掌握其发展初期至今的具体演变过程，为相关的研究人员提供了正确科学的治理依据，从而做出正确的滑坡发展情况的分析评价，以及提出科学合理的预测预报。同时，得到的与滑坡相应的监测结果也可以用来检验所提出的预报方式是否正确合理，若有不合适的地方，可及时进行改进。所以进行有效的滑坡监测，实现滑坡灾害的提前预知预报，就可以在最大程度上减少经济上的损失以及死伤人数.

传统的边坡监测技术主要以全站仪测量与摄影测量模式为主,全球导航卫星系统定位(globalnavigation satellite system，GNSS)作为现代成熟的变形监测技术，已广泛应用于山体滑坡等变形监测中，并且作为防灾减灾的主要手段之一，显著提高了社会和经济效益。随着近年来空间信息科学的发展，以全球导航卫星系统与GIS为代表的集成技术，为边坡安全监测系统的研究提供了有力的支撑。

中国发明专利申请公开文本CN111968019A提出一种基于CNN与RNN集成的滑坡灾害易发性预测方法，包括收集多源数据，通过多源数据提取滑坡致灾因子，将提取出来的滑坡致灾因子样本数据进行量化处理；构建滑坡灾害易发性评价模型，先分别构建基于卷积神经网络CNN和循环神经网络RNN的易发性模型，再利用平均集成方法将CNN与RNN模型融合起来进行易发性预测，对滑坡易发性模型进行精度评价，输出最终的滑坡灾害易发性预测图。该发明利用平均集成方法来融合CNN与RNN，能够获得性能更优越的易发性评价模型，可有效提高滑坡灾害易发性预测精度。

申请号为CN202010793543.9的中国发明专利申请提出一种滑坡位移预测方法，包括获取第一预设时间段内的第一坡面位移累计值；在Prophet模型中结合坡面对应的增长趋势、季节趋势、突发事件和噪声，根据第一坡面位移累计值分析坡面位移变化趋势；其中，增长趋势包括地形地貌、地层岩性、地质构造对坡面位移的影响；季节趋势包括降雨、温度对坡面位移的影响；突发事件包括地震、人工活动工程对坡面位移的影响；噪声为随机影响因素对坡面位移的影响；该发明基于Prophet框架进行滑坡位移的预测，充分考虑了各种环境因素对滑坡位移的影响，使得滑坡位移的预测结果更加准确。

然而，一方面，虽然随着测绘技术的飞速发展，水准仪、全站仪、GPS、RTK等单点定位技术早已全面使用并取得了令人瞩目的成就，但是在高陡山区地形测量却经常遇到困难，即便有免棱镜的全站仪也会遇到测量距离不够的限制；另一方面，在灾害预报监测、响应和评估等方面，时效性是灾害应急响应的生命。由于滑坡灾害突发性强且危害范围广，滑坡区域遥感数据的快速准确获取成为滑坡灾害应急救援和科学研判的前提和基础，但是卫星遥感受制于重返周期长和天气恶劣等因素的影响，导致其获取的数据时效性不强且精度不足，因此，上述两种数据采集手段难以直接为滑坡灾害提供应急服务。

发明内容

为解决上述技术问题，本发明提出一种基于三维GIS和无人机联合的实时滑坡预测预警系统，包括三维GIS子系统、三维地质建模子系统、滑坡预测子系统、滑坡预警子系统与无人机调度子系统。

所述无人机调度子系统与所述滑坡预测子系统通信，基于所述滑坡预测子系统的第一输出结果生成无人机调度指令；

所述三维GIS子系统包括GIS地图信息数据库，所述三维GIS子系统与所述三维地质建模子系统连接，基于所述三维地质建模子系统的建模指令，从所述GIS地图信息数据库中调取对应于所述建模指令的三维地质建模信息；

所述三维地质建模子系统按照预设时间周期发出所述建模指令，获得对应不同预设时间周期的多次三维地质建模信息；将所述多次三维地质建模信息作为所述滑坡预测子系统的输入；

所述滑坡预测子系统包括数据预处理模块，所述预处理模块对所述多次三维地质建模信息进行预处理之后，得出所述第一输出结果；

所述无人机调度子系统基于所述无人机调度指令调度至少一台无人机采集目标区域的补充图像数据，所述目标区域与所述三维地质建模信息所在的区域相关；

所述滑坡预测子系统基于所述补充图像数据和所述多次三维地质建模信息生成滑坡预测结果；

当所述滑坡预测结果满足预警条件时，所述滑坡预警子系统发出预警信号。

所述三维GIS子系统还包括GNSS数据库；所述滑坡预测子系统连接所述GNSS数据库；

当所述第一输出结果满足预定条件时，所述滑坡预测子系统从所述GNSS数据库中获取变形监测数据。

当所述第一输出结果不满足预定条件时，所述滑坡预测子系统给所述无人机调度子系统发送反馈信息，所述反馈信息包括所述数据预处理模块的所述预处理结果；

所述无人机调度子系统基于所述反馈信息生成所述无人机调度指令。

所述无人机配置多个不同分辨率的摄像头；

当所述无人机被调度后，根据所述调度指令开启对应分辨率的摄像头采集目标区域的补充图像数据。

所述预测预警系统还包括基于浏览器的人机交互平台端，所述人机交互平台端采用B/S模式的应用程序。

所述人机交互平台端包括预测预警控制面板，通过所述预测预警控制面板，实现不同预测预警条件的设置。

所述人机交互平台端包括可视化界面，在所述可视化界面上展示所述目标区域的预测预警结果。

在本发明的技术方案中，发明人注意到，无人机遥感具有成本低、机动性强、受气候条件影响小等优点，获取的高分辨率和强时效性遥感数据能够用于滑坡灾害响应和灾情评估。但是无人机的使用和操作通常需要耗费更多的资源，并且不适合长期和长途飞行，因此，需要在充分利用有限的无人机资源下同时满足特定目标区域的预测预警需要。

本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一个实施例的一种基于三维GIS的实时滑坡预测预警系统的主体架构图

图2是图1所述系统中滑坡预测子系统的数据输入示意图

图3是图1所述系统中对于不同的预处理结果的不同处理方式示意图

图4是图1所述系统在一个场景下的采用的不同预报模型效果对比图

图5是图1所述系统中人机交互平台端的工作架构图

图6是一个实施例下的预测预警结果示意图。

具体实施方式

首先，参见图1，本发明一个实施例的一种基于三维GIS的实时滑坡预测预警系统的主体架构图。

在图1中，所述预测预警系统包括三维GIS子系统、三维地质建模子系统、滑坡预测子系统、滑坡预警子系统与无人机调度子系统。

所述三维GIS子系统与所述三维地质建模子系统连接；

所述滑坡预测子系统包括数据预处理模块，所述滑坡预测子系统与所述三维地质建模子系统以及所述滑坡预测子系统连接。

所述无人机调度子系统与所述滑坡预测子系统的所述数据预处理模块通信，基于所述滑坡预测子系统的数据预处理模块的第一输出结果生成无人机调度指令。

更具体的，在图1基础上，参见图2。

所述三维GIS子系统包括GIS地图信息数据库以及GNSS数据库。

所述三维GIS子系统与所述三维地质建模子系统连接，基于所述三维地质建模子系统的建模指令，从所述GIS地图信息数据库中调取对应于所述建模指令的三维地质建模信息；

具体来说，所述三维地质建模子系统按照预设时间周期(T1，T2，……Tn)发出所述建模指令，获得对应不同预设时间周期(T1，T2，……Tn))的多次三维地质建模信息；将所述多次三维地质建模信息作为所述滑坡预测子系统的输入；

所述滑坡预测子系统的所述预处理模块对所述多次三维地质建模信息进行预处理之后，得出所述第一输出结果；

需要注意的是，在本发明的各个实施例中，并不是每次都需要调度无人机。

具体而言，当所述第一输出结果满足预定条件时，无需调度所述无人机，可直接根据不同预设时间周期(T1，T2，……Tn))的多次三维地质建模信息，结合GNSS数据库提供的变形监测信息，作为所述滑坡预测子系统的输入，例如图2所示。

当所述第一输出结果不满足预定条件时，才需要所述滑坡预测子系统给所述无人机调度子系统发送反馈信息，所述反馈信息包括所述数据预处理模块的所述预处理结果；所述无人机调度子系统基于所述反馈信息生成所述无人机调度指令。

此时所述无人机调度子系统基于所述无人机调度指令调度至少一台无人机采集目标区域的补充图像数据，所述目标区域与所述三维地质建模信息所在的区域相关。

所述滑坡预测子系统基于所述补充图像数据和所述多次三维地质建模信息生成滑坡预测结果；

当所述滑坡预测结果满足预警条件时，所述滑坡预警子系统发出预警信号。

上述过程可以参见图3所示。

在本发明的各个实施例中，判断所述第一输出结果是否满足预定条件，可以有多种实现方式，具体可以包括：所述从所述GIS数据库获得的不同预设时间周期(T1，T2，……Tn))的多次三维地质建模信息不符合建模条件、更新时间不及时、不在本次滑坡监测范围内等，本发明对此不作具体限制。

需要注意的是，随着物联网技术的发展，在实际应用中，大部分情况下所述第一输出结果均满足上述条件，因此，用户还可以根据实际需要设置其他的预定条件，例如，建模精度条件等。

实际上，全球导航卫星系统定位(globalnavigation satellite system，GNSS)作为现代成熟的变形监测技术，已广泛应用于山体滑坡等变形监测中，并且作为防灾减灾的主要手段之一，显著提高了社会和经济效益。

而随着近年来空间信息科学的发展，以全球导航卫星系统与GIS为代表的集成技术，也为滑坡安全监测系统的研究提供了有力的支撑。

因此，在上述实施例中，当所述第一输出结果满足预定条件时，将所述变形监测数据、所述多次三维地质建模信息作为所述滑坡预测子系统的联合输入信息；

所述滑坡预测子系统基于所述联合输入信息生成滑坡预测结果；

当所述滑坡预测结果满足预警条件时，所述滑坡预警子系统发出预警信号。

接下来参见图4。

在具体实现中，所述滑坡预测子系统包括多种不同时间预报尺度的预报模型。

图4给出了在某次边坡滑坡预测中，使用的非线性回归分析模型、灰色GM(1,1)模型、指数平滑模型与实际监测结果的对比图。

除此之外，根据滑坡破坏时间、滑坡预报可分为长期预报、中期预报、短期预报和临滑预报4个阶段。

其他常用的预报模型有斋藤迪孝模型、协同预报模型、Verhulst模型、Verhulst反函数模型、龚帕兹曲线模型、尖点突变模型等。

与上述预报模型相对应，所述滑坡预测子系统还包括多种滑坡预警判断模块，所述滑坡预警判断模块使用多种滑坡预警判据，包括安全系数判据、可靠概率判据、变形速率判据或综合信息预报判据之一或者其组合。

以上模型或者判据在现有技术中均有相应的介绍，例如可参见如下参考文献：

许春青.滑坡预测预报模型比较分析[D].哈尔滨工程大学,2011.；

陆俊.滑坡预报模型及其在工程中的应用研究[D].合肥工业大学,2006.

孙怀军.基于GIS的滑坡预测预报模型库的开发及应用研究[D].太原理工大学,2002.

在具体硬件架构上，所述预测预警系统还包括基于浏览器的人机交互平台端，所述人机交互平台端采用B/S模式的应用程序。

具体的，可参见图5。

系统的设计上采用RIA技术,利用RIA在提高WebGIS的表现力、开发高交互性的WebGIS方面具有一定可行性的特性,构建RIA下的WebGIS结构体系,将RIA主流技术——Silverlight作为系统的客户端表现层,将Silverlight的视觉效果加入到WebGIS的应用中,选择ArcGIS Server作为WebGIS的服务器平台。

在该实施例中，采用的GIS平台——ArcGIS Server的后台是一套基于ArcObjects搭建起来的B/S开发工具,支持Shape、SDE、Arc/Info的Coverage格式的空间数据库。

采用Geodatabase格式的图形数据库,通过在ArcMap 10中添加崩塌、滑坡、泥石流、不稳定斜坡等灾害专题数据、经克吕格空间插值后的降雨数据及各类基础地理地质图形数据,如地质构造、地层岩性等,打开属性表进行相关属性字段的录入、编辑,再利用Arccatalog建立Personal Geodatabase。

进一步的，所述人机交互平台端包括预测预警控制面板，通过所述预测预警控制面板，实现不同预测预警条件的设置。

预报预警是该系统的核心功能,通过对降雨影响系数的确定、当前有效降雨量的计算、预警判据图的生成、临界降雨量的确定及预报预警等级划分进行相应的模型运算实现了区域灾害的空间预测和实时预报。

所述人机交互平台端包括可视化界面，在所述可视化界面上展示所述目标区域的预测预警结果。图6示意性的给出了一个预测预警结果的可视化图。

此外，在上述需要调用无人机的实施例中，所述无人机配置多个不同分辨率的摄像头；当所述无人机被调度后，根据所述调度指令开启对应分辨率的摄像头采集目标区域的补充图像数据。

无人机影像数据不仅可以提供较高精度的数字地形模型，而且具有机动性强、反应快速，受云雾和起降地形限制小等优点，使得其可以重复获取感兴趣区的影像数据，并且可以为灾后提供快速有效的应急响应措施；相比较卫星影像受云层覆盖的影响较大，而且影像获取成本较高，分辨率有限，滑坡的细部特征不能够被有效识别，无人机在中小空间尺度的滑坡识别中具有优势明显，但是无人机的硬件成本、运行方式操作上较为复杂，不适合长时间运行。因此，本发明能够在节省无人机资源的情况下同时获得实时滑坡预测预警结果。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。